全文搜索中的部分匹配允许查找包含搜索词的变体或子集的文档，而不是要求精确匹配。这可以通过分词、n-gram 索引和通配符查询等技术实现。与精确关键词搜索不同，部分匹配会考虑词语中的前缀、后缀或子字符串，这使其对于自动完成、容错（处理拼写错误）或灵活查询非常有用。例如，根据使用的方法，搜索“app”可能会返回包含“apple”、“application”或“snappier”的结果。
一种常见的方法涉及 n-gram 分词，其中词语被分解为更小的重叠字符序列。例如，“apple”的三元组（3 个字符序列）将生成“app”、“ppl”和“ple”等词元。当用户搜索“app”时，搜索引擎会将三元组“app”与索引中的词语进行匹配。这种方法对于子字符串匹配很有效，但由于存储多个 n-gram 会增加索引大小。边缘 n-gram（侧重于前缀，例如“apple”的“a”、“ap”、“app”）常用于自动完成功能。Elasticsearch 等搜索引擎利用这一点，通过配置分析器在索引时生成边缘 n-gram，从而实现快速的基于前缀的查询。
另一种方法使用 通配符，例如 *（匹配任何序列）或 ?（匹配单个字符）。例如，像“app*”这样的查询会匹配以“app”开头的词语，而“*pple”会匹配以“pple”结尾的词语。然而，前导通配符（例如 *pple）可能会很慢，除非有反向索引的支持。一些引擎还支持 模糊匹配，它通过测量编辑距离来容忍拼写错误（例如，“apl”与“apple”通过一次插入匹配）。虽然不完全是部分匹配，但模糊技术通过处理近似词语来补充部分匹配。PostgreSQL 等数据库使用 LIKE 子句或全文扩展（例如 tsvector）进行基本的部分匹配，但性能各异。开发者必须平衡精度、索引大小和查询速度——n-gram 和通配符以存储换取灵活性，而模糊方法则优先考虑容错而非精确匹配。
